⚡ electrical engineering

Hourly Air Quality Forecasting Using Ensemble Learning: Insights from an Arid Urban Atmosphere

本研究开发了一个基于机器学习的克尔曼（伊朗）小时空气质量预测系统，利用多阶段预处理流水线和集成树模型，旨在有效预测六种关键污染物，同时识别干旱城市环境中的关键时间模式和气象驱动因素。

原作者： Abdullah Kaviani Rad, Mohammad Javad Nematollahi

发布于 2026-07-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Abdullah Kaviani Rad, Mohammad Javad Nematollahi

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

把我们周围的空气想象成一锅巨大的、看不见的“汤”。有时，这锅汤是清澈新鲜的；但有时，它会变得浓稠，充满了像汽车尾气、尘埃和化学物质这样看不见的成分，这些成分可能会让我们生病。科学家们长期以来一直试图预测这锅“汤”何时会变得过于浓稠，就像天气预报员预测降雨一样。为了做到这一点，他们使用了两种主要的工具：一种是试图追踪每一个化学反应的传统数学方法（就像追踪暴风雨中每一滴雨滴一样）；另一种是更新、更智能的工具——机器学习。把机器学习想象成一个超级聪明的侦探，它通过观察数百万个过去的线索——比如昨天风是怎么吹的，或者上周二天气有多热——来猜测明天的空气会发生什么变化。这在干燥、多尘的城市尤其困难，因为那里的空气表现得与多雨的地方不同。如果我们能预测到这些空气浑浊的日子，我们就能发出警告，提醒人们，尤其是孩子们和老年人，留在室内以保护他们的肺部安全。

现在，让我们把镜头对准发生在伊朗克尔曼（Kerman）的一个特定侦探故事，那是一个拥有炎热干燥气候的城市。一组研究人员决定为六种不同类型的空气污染建立一个超级智能的预测系统：一氧化碳 (CO)、臭氧 (O3)、氮氧化物 (NO 和 NO2)、二氧化硫 (SO2) 以及被称为 PM2.5 的微小尘埃颗粒。他们收集了从 2020 年到 2024 年的每小时数据，但这些数据非常凌乱，就像一个缺少拼图块的拼图。首先，他们必须修复这些缺口。他们尝试了五种不同的方法来填补缺失的数字，就像一个侦探试图根据周围的碎片来猜出一个缺失的拼图块长什么样。他们发现，一种被称为“极端随机树”（Extra Trees）的方法是最好的猜谜者，其填补空白的平均准确度得分（R²）达到了 0.843。

一旦拼图完成，他们就开始观察其中的规律。他们发现，克尔曼的空气污染有着非常严格的每日日程表，几乎像时钟一样精准。一氧化碳 (CO) 和氮氧化物 (NO, NO2) 就像通勤者；它们每天会激增两次，一次在早高峰（大约 7:00–9:00 AM），另一次在晚间（大约 8:00–11:00 PM），其中 CO 的峰值约为 1.5 ppm。这是因为汽车是主要元凶。然而，臭氧 (O3) 却是一个“追逐阳光者”。它不在乎交通，它热爱阳光。它在早晨缓慢积累，并在下午（大约 2:00–4:00 PM）达到最高点，达到约 38–39 ppb，因为阳光将化学物质“烹饪”在一起形成了它。与此同时，微小的尘埃颗粒 (PM2.5) 就像“冬季访客”，在寒冷的月份大量出现，在 1 月份达到 31.31 µg/m³ 的高值，这可能是由于取暖和空气停滞造成的。

为了预测这些模式，研究人员测试了七种不同的“侦探”算法。他们发现，那些传统的、简单的数学模型（线性模型）往往太“笨”了，无法捕捉到空气复杂的诡计。相反，“集成”（ensemble）方法——就像是一组侦探共同协作——每次都赢得了胜利。对于大多数污染物，一种名为 Extra Trees 的模型成为了冠军，它能正确预测 CO（得分 0.713）和 PM2.5（得分 0.726）。另一支名为 Hist Gradient Boosting 的团队，在预测二氧化硫 (SO2) 方面表现最佳（得分 0.669）。对于二氧化氮 (NO2)，一个名为 LightGBM 的模型以 0.622 的得分占据了领先地位。

然而，有一个棘手的案例：臭氧。尽管这些模型在预测过去方面表现出色，但在预测未来时，它们在预测臭氧方面却显得力不从心，有时甚至错得离谱，导致准确度得分变为负数。研究人员认为，这是因为臭氧是一个“化学魔术师”，它依赖于非常特定的阳光和热量组合，而目前的模型未能完全捕捉到这一点。他们还发现，预测几乎所有事物的最重要线索仅仅是“一小时前发生了什么”。空气是有记忆的；如果一小时前空气很脏，那么现在也很可能很脏。但对于臭氧和尘埃，风向和阳光强度也是至关重要的线索。

最后，论文指出，虽然我们目前还不能完美地预测空气玩弄的所有化学诡计，但我们已经建立了一个功能强大且具有成本效益的工具，它在干燥城市运行良好。这是一种可扩展的方式，可以时刻关注空气质量，帮助像克尔曼这样的城市提供更好的预警，从而保护公众健康。研究人员承认，为了更好地预测臭氧，未来我们可能需要在模型中加入更多的化学线索，但就目前而言，这个系统是保持空气清洁和保障人民安全的坚实一步。

技术摘要：利用集成学习进行干旱城市环境下的逐小时空气质量预测

问题陈述
干旱城市环境中的空气污染构成了严重的健康威胁，然而，高分辨率的局部化预测框架仍然匮乏。在伊朗克尔曼（Kerman）这一以半干旱至干旱气候、快速城市化和工业增长为特征的城市中，空气质量频繁超过国家标准和世界卫生组织（WHO）的指南。干旱地区独特的气象动力学——特别是降水稀少限制了湿沉降，以及温度逆温效应的放大——创造了复杂的大气条件，导致污染物持续存在并积聚。虽然传统的化学传输模型可以提供机理性的见解，但它们通常计算量巨大，且对排放清单的不确定性非常敏感。相比之下，数据驱动的机器学习（ML）方法已展现出潜力，但需要在特定的干旱背景下进行验证，以解决气象变量、时间周期与污染物水平之间的非线性关系。本研究旨在解决开发针对克尔曼空气质量的综合性、局部化预测建模框架的研究空白。

研究方法
本研究开发了一个基于机器学习的预测系统，用于监测六种特征污染物的逐小时浓度：一氧化碳（CO）、臭氧（O3）、一氧化氮（NO）、二氧化氮（NO2）、二氧化硫（SO2）和细颗粒物（PM2.5）。研究利用了从2020年6月15日至2024年3月19日的数据，整合了来自城市监测站的逐小时污染物浓度与通过克尔曼气象站重建的逐小时气象数据。

研究遵循了一个严格的多阶段流程：

预处理与插补： 数据集经过了时间同步处理，将波斯历转换为格里高利历格式，并重采样为精确的逐小时间隔。为了在不引入统计偏差的情况下处理缺失值，研究对五种插补方法（随机森林、极端随机树、贝叶斯岭回归、K-最近邻和线性回归）进行了基准测试。基于最高的平均 $R^2$ (0.843) 和最低的 RMSE，**极端随机树（Extra Trees）**算法被选定为最优插补器。
特征工程： 流程通过提取基于时间的特征（小时、周几、月份等）显式地编码了时间上下文。至关重要的是，研究为污染物和气象变量生成了滞后变量（t-1, t-2, t-3, t-24），以捕捉时间自相关性和大气惯性。此外还创建了交互特征。
建模与评估： 研究评估了七种回归模型：岭回归、极端随机树、贝叶斯岭回归、直方图梯度提升树、决策树、LightGBM 和随机森林。数据按时间顺序分为训练集和留出测试集，以确保无偏的泛化能力评估。性能衡量指标包括 $R^2$ 、RMSE 和 MAE。

关键结果

时间模式： 研究识别出了明显的昼夜和季节性模式。CO 和 NOx 呈现出双峰式的早晚高峰，而 O3 则表现出由光化学驱动的午后峰值。PM2.5 浓度在冬季达到顶峰（1月份均值为 31.31 µg/m³），这归因于取暖排放和稳定的大气条件。
模型性能： 对于大多数污染物，基于集成树的方法一致优于线性模型。
- CO、NO 和 PM2.5： 极端随机树实现了最高的测试 $R^2$ 值（CO 为 0.713，NO 为 0.320，PM2.5 为 0.726）。
- SO2： 直方图梯度提升树表现最佳（ $R^2$ = 0.669）。
- NO2： LightGBM 取得了最佳结果（ $R^2$ = 0.622）。
- O3： 所有模型在测试集上的泛化能力均较差，导致出现了负的 $R^2$ 值。这表明尽管模型捕捉到了训练模式，但未能预测未见的 O3 数据，这可能是由于数据集中未能完全涵盖复杂的、非线性的光化学相互作用。
特征重要性： 滞后污染物浓度（特别是 t-1）是所有污染物的最主要预测因子，证实了强大的时间自相关性。对于 O3，光化学变量（太阳辐射和温度）及其交互作用至关重要。对于 PM2.5，风向成为了次要驱动因素，表明了区域传输和沙尘事件的影响。

意义与主张
作者声称，本研究为干旱城市提供了可扩展、高性价比且可复制的空气质量预测框架。通过成功整合先进的插补技术和集成学习，该框架为克尔曼及类似气候区的公共卫生预警和环境管理奠定了基础。

论文适度地承认了局限性，指出 O3 泛化能力的不足凸显了引入特定光化学指标（如 VOCs 水平或 NO2/NO 比率）的必要性，而这些指标在现有数据集中并不存在。此外，对单一气象站的依赖限制了对空间异质性的表征。因此，作者并未声称该模型是所有污染物的完美解决方案，而是将其定位为一个稳健的起点，能够有效捕捉主要污染物（CO, NOx, PM2.5, SO2）的动态，同时识别出未来在光化学建模方面的具体改进方向。研究结论认为，在捕捉干旱城市环境下控制空气污染物动态的复杂非线性相互作用方面，集成方法优于线性方法。

类似论文